随着互联网技术的发展和应用的普及,互联网中的信息量正以指数级别的速度飞速地增长,已经成为了一个巨大的信息库。也正因如此大量不可靠的信息可以快速地在人群中传播。而社交媒体上的谣言泛滥可能会导致社会混乱,进而影响人们正常的生活秩序。特别是在面临突发公共事件时,广泛传播的谣言可能会具有极大的破坏性。谣言检测是自然语言处理中文本分类的子任务。谣言检测的主要目的是识别没有丝毫结构规则可言的新闻文本,判断其是否为假新闻(谣言)。在当今社会,微博已经成为人们日常生活中不可分割的一部分,因此本论文选用微博作为实现谣言检测的平台。本课题的研究目的是从海量微博新闻文本信息中,挖掘其中的蕴含的特征,并提出一种新的谣言检测的方法,以微博上的新闻文本和用户评论为数据,对其进行建模,找出分类的关键特征,并以深度学习模型进行分类预测,判断其是否为假新闻(谣言)。所以,本文的主要工作如下所示:1)研究基于用户对于微博新闻观点的谣言检测算法。在社交媒体中,用户可以自由直接地表达对于新闻的看法,用户对于该微博新闻的态度,可以作为一种很重要的特征。因此,本算法同时将评论分为两种大小不同的粒度:词语和评论句子,并结合两种粒度提出了一种谣言检测算法。之后在数据集上与经典谣言检测算法进行了对比试验,验证了算法的有效性。2)研究基于微博新闻文本的情感分类算法。谣言往往带有很强的煽动性,希望会得到广泛的关注与传播,因此大部分会带有比较强烈的感情色彩在其中。本文基于经典的文本分类算法,结合情感词典,提出了一种新的文本情感分类算法,使算法模型对于情感词可以给予更多的关照,并通过实验和经典方法进行对比,验证了算法的有效性。3)结合上述两种结果的算法。本文主要综合考虑了情感倾向和用户态度这两个维度的特征对谣言检测可能产生的影响,因此,通过预训练的方式,将上述两种模型产生的结果进行结合。4)原型系统的设计与研究。本论文以微博为平台,用以实现自己的原型系统。